图像理解 颜色认知计算PDF电子书下载

第1章 引言 1

1.1 背景与意义 1

1.1.1 颜色恒常性 1

1.1.2 HDR图像处理 3

1.2 国内外研究现状 4

1.2.1 颜色恒常性计算 4

1.2.2 HDR图像处理 8

1.3 本书的内容和结构安排 11

参考文献 12

第2章 无监督的颜色恒常性计算 16

2.1 引言 16

2.2 相关工作介绍 17

2.2.1 White Patch假设 17

2.2.2 Grey World假设 17

2.2.3 Grey Edge假设 18

2.2.4 Grey Surface Identification算法 20

2.2.5 小结 21

2.3 基于灰色表面的颜色恒常性计算 21

2.3.1 基于迭代的灰色表面提取算法 21

2.3.2 基于颜色不变性描述的优化算法 23

2.4 实验结果与分析 25

2.4.1 颜色恒常性计算实验数据集 25

2.4.2 光照估计的性能评价标准 27

2.4.3 基于321幅SFU图像集的实验结果 28

2.4.4 基于900幅图像集的实验结果 29

2.4.5 基于11000幅图像集的实验结果 30

2.4.6 基于11000幅图像集子集的实验结果 31

2.4.7 迭代次数对性能的影响 32

2.4.8 灰色表面统计 32

2.4.9 图像光照矫正示例 33

2.5 本章小结 34

参考文献 34

第3章 有监督的颜色恒常性计算 36

3.1 引言 36

3.2 相关工作介绍 37

3.2.1 基于贝叶斯理论的颜色恒常性计算 37

3.2.2 基于相关性的颜色恒常性计算 38

3.2.3 基于BP神经网络的颜色恒常性计算 39

3.2.4 基于SVR的颜色恒常性计算 40

3.2.5 小结 41

3.3 基于ELM颜色恒常性计算 41

3.3.1 ELM简介 41

3.3.2 ELM与SVR的比较 43

3.3.3 基于ELM的颜色恒常性计算 44

3.4 实验结果与分析 46

3.4.1 基于321幅SFU图像集的实验结果 46

3.4.2 基于900幅图像集的实验结果 47

3.4.3 基于11000幅图像集的实验结果 48

3.4.4 ELM与SVR的速度比较实验 49

3.4.5 图像光照矫正示例 50

3.5 本章小结 51

参考文献 51

第4章 颜色恒常性算法融合 53

4.1 引言 53

4.2 相关工作介绍 53

4.2.1 基于委员会的颜色恒常性算法融合 53

4.2.2 基于自然图像统计的颜色恒常性算法融合 54

4.2.3 基于室内-户外图像场景类的颜色恒常性算法 56

4.2.4 小结 57

4.3 基于场景三维几何特征的颜色恒常性计算 57

4.3.1 场景的三维几何模型 57

4.3.2 算法描述 58

4.3.3 场景的stage分类 58

4.3.4 基于stage模型结构的自然场景分割 59

4.3.5 场景光照估计 61

4.4 实验结果与分析 61

4.4.1 实验数据集 62

4.4.2 场景的stage分类器性能 62

4.4.3 单个颜色恒常性算法实验结果 63

4.4.4 颜色恒常性计算融合算法的实验结果 64

4.4.5 基于场景的三维几何结构的颜色恒常性算法实验结果 65

4.4.6 图像光照矫正示例 67

4.5 本章小结 68

参考文献 68

第5章 多光照颜色恒常性计算 70

5.1 引言 70

5.2 相关工作介绍 71

5.2.1 基于Retinex的多光照颜色恒常性算法 71

5.2.2 基于物理模型的多光照颜色恒常性算法 72

5.2.3 基于局部空间平均颜色的颜色恒常性计算 73

5.2.4 小结 73

5.3 多光照条件下颜色恒常性计算框架 73

5.3.1 框架描述 74

5.3.2 基于样本块的光照估计 75

5.3.3 重叠光照处理 76

5.3.4 图像矫正 76

5.4 实验结果与分析 77

5.4.1 误差度量和性能评价 77

5.4.2 超光谱数据集的实验结果及分析 78

5.4.3 真实场景数据集的实验结果及分析 81

5.5 本章小结 84

参考文献 84

第6章 基于不变矩的颜色不变性描述 86

6.1 引言 86

6.2 相关工作介绍 87

6.2.1 颜色直方图 87

6.2.2 颜色恒常的颜色索引 88

6.2.3 模糊鲁棒的颜色不变性描述子 89

6.2.4 小结 91

6.3 不变矩理论简介 91

6.4 基于不变矩的颜色不变性描述 92

6.4.1 Diagonal-Offset模型 92

6.4.2 两种新的颜色空间定义 93

6.4.3 颜色的矩不变量 94

6.4.4 离散颜色空间上的实现 95

6.4.5 基于不变矩的颜色不变性描述子 95

6.4.6 颜色不变性描述子的鲁棒性分析 95

6.5 实验结果与分析 97

6.5.1 基于物体识别的实验及分析 97

6.5.2 基于内容的图像检索的实验及分析 102

6.6 本章小结 104

参考文献 105

第7章 基于亮度感知的HDR场景再现 106

7.1 引言 106

7.2 相关工作介绍 107

7.3 存在的问题 108

7.4 基于亮度感知理论的HDR场景再现算法 108

7.4.1 HVS亮度感知理论 109

7.4.2 基于“双锚”理论的色调映射算法 110

7.4.3 对比度增强 114

7.4.4 颜色校正 115

7.5 实验结果与分析 117

7.5.1 评价标准 117

7.5.2 性能分析与比较 118

7.6 本章小结 128

参考文献 128

第8章 局部自适应双边滤波色调映射 131

8.1 引言 131

8.2 相关工作介绍 132

8.3 局部自适应双边滤波色调映射算法 133

8.3.1 颜色空间 133

8.3.2 双边滤波器 136

8.3.3 自适应对数底的双边滤波动态范围压缩算法 137

8.3.4 优化算法 138

8.4 实验结果与分析 140

8.5 本章小结 144

参考文献 144

第9章 基于支持向量回归的曝光融合 146

9.1 引言 146

9.2 相关工作介绍 147

9.2.1 灰度极值法 147

9.2.2 加权平均法 147

9.2.3 基于区域特征法 148

9.2.4 窗口一致性验证法 149

9.2.5 存在的问题 149

9.3 基于支持向量回归的多曝光融合算法 150

9.3.1 基于机器学习分类机制的图像融合 150

9.3.2 支持向量回归简介 151

9.3.3 基于支持向量回归的多曝光融合算法 153

9.4 实验结果与分析 155

9.4.1 评价标准 155

9.4.2 性能分析与比较 157

9.5 本章小结 161

参考文献 162

第10章 基于可操纵金字塔的曝光融合 163

10.1 引言 163

10.2 相关工作介绍 164

10.2.1 无方向的塔形分解 164

10.2.2 有方向的塔形分解 167

10.3 存在的问题 169

10.4 基于可操纵金字塔多曝光融合算法 169

10.4.1 可操纵金字塔简介 169

10.4.2 基于可操纵金字塔多曝光融合算法 170

10.5 实验结果与分析 172

10.5.1 评价标准 172

10.5.2 主观评价 173

10.5.3 客观评价 179

10.6 本章小结 180

参考文献 180

第11章 总结与展望 182

11.1 总结 182

11.2 展望 186

附录A 各章部分彩图 189